JP6869691B2 - 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 - Google Patents
信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 Download PDFInfo
- Publication number
- JP6869691B2 JP6869691B2 JP2016205440A JP2016205440A JP6869691B2 JP 6869691 B2 JP6869691 B2 JP 6869691B2 JP 2016205440 A JP2016205440 A JP 2016205440A JP 2016205440 A JP2016205440 A JP 2016205440A JP 6869691 B2 JP6869691 B2 JP 6869691B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- estimating
- waveform
- feature extraction
- element signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims description 90
- 238000000034 method Methods 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 description 9
- 230000036772 blood pressure Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 230000003205 diastolic effect Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000002565 electrocardiography Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- XNEFYCZVKIDDMS-UHFFFAOYSA-N avobenzone Chemical compound C1=CC(OC)=CC=C1C(=O)CC(=O)C1=CC=C(C(C)(C)C)C=C1 XNEFYCZVKIDDMS-UHFFFAOYSA-N 0.000 description 1
- 229960005193 avobenzone Drugs 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1102—Ballistocardiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Description
前記パラメータを推定するステップは、前記第1エレメント信号のピーク点が以前の時間区間に基づいて前記パラメータを推定することが好ましい。
前記第2エレメント信号を推定するステップは、前記エレメント信号をモデリングするための信号モデル及び前記第1中間信号の波形に基づいて前記第2エレメント信号に対するパラメータを推定するステップと、前記推定されたパラメータを前記信号モデルに適用して前記第2エレメント信号を決定するステップとを含むことが好ましい。
前記第2エレメント信号を推定するステップは、前記第1中間信号を前記第2エレメント信号に決定するステップを含むことが好ましい。
前記エレメント信号のうち少なくとも1つは、ガウス波形の形態を有することが好ましい。
前記信号モデルは、前記エレメント信号の波形が互いに重なって前記入力信号の波形を形成するものとしてモデリングすることが好ましい。
前記パラメータは、平均、標準偏差、振幅係数、及びオフセットを含むことが好ましい。
前記微分信号は、前記入力信号の波形に対する1次微分関数及び前記入力信号に対する高次微分関数のうち少なくとも1つを含むことが好ましい。
前記エレメント信号を推定するステップは、前記第1中間信号から前記第2エレメント信号が除去された第2中間信号の波形に基づいて第3エレメント信号を推定するステップをさらに含むことが好ましい。
前記エレメント信号を推定するステップは、所定の個数のエレメント信号が推定されるまで前記エレメント信号をモデリングするための信号モデルに基づいて前記エレメント信号を順次推定することが好ましい。
前記信号特徴を抽出するステップは、前記エレメント信号の極大点、極小点、ピーク点、変曲点、傾き極大点、傾き極小点、及び信号波形の面積のうち少なくとも1つを抽出することが好ましい。
説明した分野に属する通常の知識を有する者であれば、このような記載から様々な修正及び変形可能である。本明細書で「一実施形態」又は「実施形態」に対する言及はその実施形態と関連して説明する特定の特徴、構造又は特性が少なくとも1つの実施形態に含まれることを意味し、「一実施形態」又は「実施形態」に対する言及が全て同一の実施形態を指すものと理解されることはない。
本明細書において、「含む」又は「有する」などの用語は明細書上に記載された特徴、数字、ステップ、処理、構成要素、部品又はその組み合わせの存在を指定するためのものであって、1つ又はそれ以上の他の特徴や数字、ステップ、処理、構成要素、部品又はそれを組み合わせたものの存在又は付加可能性を予め排除しないものとして理解されなければならない。
添付図面を参照して説明するにおいて、図面符号に関係なく同一の構成要素は同一の参照符号を付与し、これに対する重複する説明は省略する。
実施形態は、例えば、パーソナルコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、モバイルデバイス、スマートフォン、テレビ、スマート家電機器、スマート車両、ウェアラブルデバイス、ホーム家電機器、通信システム、映像処理装置などのような様々な形態にユーザの健康状態をモニタリングするために用いられる。
本明細書では説明の便宜のために入力信号がPPG(Photoplethysmogram:光電式容積脈波)信号であると仮定し、PPG信号から信号特徴を抽出する実施形態を中心に説明するが、実施形態の範囲がこれに限定されることはない。
例えば、本発明の実施形態は、心電図(Electrocardiography:ECG)、酸素飽和度、心弾図(ballistocardiac:BCG)などの生体信号だけでなく、異なるタイプの信号から信号特徴を抽出するためにも適用され得る。
PPG信号は、心拍による血流量の変化情報を含む生体信号のうちの1つである。
PPG信号は、心臓から出発して身体の先端へ向かう進行波(propagation wave)と、身体の先端から心臓に戻ってくる反射波が重なった形態を有する。
PPG信号で進行波又は反射波の形態に関する様々な特徴を抽出し、抽出された特徴に基づいて血圧のような心血管系情報の推定が可能である。
したがって、PPG信号で収縮期ピーク点と拡張期ピーク点との間の時間差に基づいて血管硬化度を推定でき、推定した血管硬化度に基づいてユーザの血圧を推定し得る。
図1Aにおいて、横軸は時間軸を示し、縦軸はPPG信号の振幅を示す。
PPG信号110で時間的に前の方に示される上方にふっくらした部分が進行波の波形成分を示し、時間的に後の方に示される上方にふっくらした部分が反射波の波形成分を示す。
ここで、反射波が一個であると仮定したが、複数の反射波が存在してもよい。
特徴点(122、124、126、128)は、PPG信号110の波形から様々な情報を導き出すために必要な重要特徴点である。
特徴点(122、124、126、128)の振幅値や時間値を用いてユーザの健康状態と相関関係のある特徴が決定され得る。
PPG信号110で重複隆起が明確に区別されれば、PPG信号110で進行波と反射波が容易に区分される。
例えば、PPG信号110を一回微分した値が“0”になる地点のうち、時間上で2番目に示される地点を重複隆起であると決定し、決定された重複隆起に基づいてPPG信号110で進行波と反射波が容易に区分され得る。
しかし、実際に測定されたPPG信号波形では、様々な要因により重複隆起に対応する特徴点が不明になることがあり、これによってPPG信号で進行波と反射波の区分が困難で不正確な信号特徴が抽出されることがある。
不正確な信号特徴の抽出は結果的に不正確な推定結果を招く。
PPG信号波形で特徴点が不明確に示される例について図1Bに示す。
(c)及び(d)は、PPG信号波形の極大値が進行波成分ではない反射波成分に示されて、収縮期ピーク点と拡張期ピーク点が誤って決定される場合である。
このように、PPG信号波形で特徴点を正確に区別し難い状況が存在する。
また、PPG信号波形で進行波は一個の波形成分から構成され得るが、反射波は複数の波形が重なった形態に示されることがある。
この場合、PPG信号波形で重なった数個の反射波を区分して分析可能であれば、より様々な信号特徴を抽出することが可能になり、これにより生体情報を正確に推定することができる。
ここで、信号特徴は、例えば、信号波形の極大点、極小点、ピーク点、変曲点、傾き極大点、傾き極小点、及び信号波形の面積などを含むが、信号特徴の種類はこれに限定されることはない。
信号特徴抽出方法は、1つ以上のプロセッサを含む信号特徴抽出装置によって実行され得る。
図2を参照すると、ステップS210において、信号特徴抽出装置は、入力信号のエレメント信号を推定する。
信号特徴抽出装置は、複数のエレメント信号の波形が互いに重なって入力信号の波形を形成することでモデリングする信号モデルに基づいてエレメント信号を推定する。
信号特徴抽出装置は、入力信号の波形情報(時間による振幅の変化)に基づいて信号モデルを構成するパラメータを決定し、決定されたパラメータに基づいて入力信号を形成するエレメント信号を推定する。
ただし、エレメント信号の波形形態がガウス波形に限定されることなく、エレメント信号は様々な形態の波形にモデリングされ得る。
信号特徴抽出装置は、入力信号の波形からエレメント信号を順次推定する。
信号特徴抽出装置は、入力信号の波形からエレメント信号を推定し、推定したエレメント信号を入力信号から除去して中間信号を生成した後、中間信号の波形から次のエレメント信号を推定する。
信号特徴抽出装置が入力信号からエレメント信号を推定する工程については、図3及び図4を参照してより詳しく説明することにする。
例えば、信号特徴抽出装置は、各エレメント信号から極大値/極小値に該当する地点に関する情報(例、振幅及び時間)及びエレメント信号波形の面積情報を抽出するが、抽出される信号特徴の種類がこれに限定されることはない。
このように抽出された信号特徴に基づいて付加情報を推定することができる。
例えば、生体信号から抽出された信号特徴は、ユーザの健康状態情報を推定するために用いてもよい。
図3を参照すると、ステップS310において、信号特徴抽出装置は、入力信号の第1エレメント信号を推定する。
信号特徴抽出装置は、入力信号の波形を微分して互いに異なる差数の微分信号を決定し、微分信号の特徴点に関する情報を信号モデルに適用して第1エレメント信号に対するパラメータを決定する。
信号特徴抽出装置は、微分信号のピーク点などに対応する時間値及び時間値における入力信号の振幅値に基づいてパラメータを推定する。
ここで、信号特徴抽出装置は、第1エレメント信号のピーク点が示される時間以前の時間区間に基づいてパラメータを推定する。
一実施形態によれば、信号特徴抽出装置は、信号モデルと入力信号の波形に基づいて時間軸で最も最初に示されるエレメント信号のパラメータを決定する。
第2エレメント信号は、時間軸上で第1エレメント信号の次に示されるエレメント信号である。
信号特徴抽出装置は、ステップS310と同様に、第1中間信号の波形を微分して互いに異なる差数の微分信号を決定し、微分信号の特徴点に関する情報を信号モデルに適用して第2エレメント信号に対するパラメータを決定する。
ここで、信号特徴抽出装置は、第2エレメント信号のピーク点が示される時間以前の時間区間に基づいてパラメータを推定し得る。
一実施形態によれば、信号特徴抽出装置は、信号モデルと第1中間信号の波形に基づいて第1中間信号を構成するエレメント信号のうち時間軸で最も最初に示されるエレメント信号のパラメータを決定する。
ここで、第2中間信号は、入力信号から第1エレメント信号及び第2エレメント信号が全て除去された信号である。
一実施形態によれば、ステップS320と同様に、信号特徴抽出装置は、信号モデルと第2中間信号の波形に基づいて信号モデルに適用されるパラメータを決定し、決定されたパラメータを信号モデルに適用して第3エレメント信号を決定する。
このように決定された第3エレメント信号は、信号モデルに基づいて推定された第1及び第2エレメント信号と同一の波形を有する。
他の実施形態によれば、第3エレメント信号が推定しようとする最後のエレメント信号である場合、信号モデルを用いて第3エレメント信号を推定する工程なしに、第2中間信号が第3エレメント信号に決定されてもよい。
信号特徴抽出装置は、推定しようとするエレメント信号の波形が全体の波形成分と類似の程度がよりも大きいエレメント信号から先に推定するものとして決定してもよい。
中間信号からエレメント信号を推定する工程は、推定されたエレメント信号の個数が入力信号の波形から推定しようとするエレメント信号の個数に達するまで繰り返し実行される。
図3に示す実施形態は、Lが3である場合であり、最終的に入力信号から第1、第2及び第3エレメント信号が推定され得る。
Lが2である場合、ステップS330を実行せず、ステップS320まで実行される。
この場合、ステップS330で説明したように、最後のエレメント信号である第2エレメント信号は、第1エレメント信号のように信号モデルに基づいて決定されたり、又は第1中間信号が第2エレメント信号に決定され得る。
図4を参照すると、信号特徴抽出装置400は、微分器410、パラメータ決定器420、エレメント信号推定器430、中間信号決定器440、及び特徴抽出器450を含む。
微分器410は、1次微分信号及び2次以上の高次(higher order)微分信号を決定する。
一実施形態によれば、入力信号は、微分器410に入力される前にフィルタリング処理などによってノイズが除去され得る。
パラメータ決定器420は、微分器410によって算出された微分信号と信号モデルに基づいて追跡しようとするエレメント信号に対するパラメータを決定する。
エレメント信号推定器430は、パラメータ決定器420によって決定されたパラメータを信号モデルに適用して現在のエレメント信号を推定する。
エレメント信号の波形形態は、信号モデルに適用される様々なパラメータによって決定される。
中間信号は微分器410に入力され、微分器410は中間信号を微分して微分信号を決定する。
その後、予め決定された数のエレメント信号が推定されるまで上記の過程が繰り返し実行する。
例えば、パラメータ決定器420は、微分信号と信号モデルに基づいて次のエレメント信号に対するパラメータを決定し、エレメント信号推定器430は決定されたパラメータを信号モデルに適用して次のエレメント信号を推定する。
中間信号決定器440は、推定されたエレメント信号を再び以前に決定された中間信号から除去して他の中間信号を生成し、生成された他の中間信号が再び微分器410に入力され得る。
このような反復工程が終了すれば、入力信号の波形を形成する複数のエレメント信号が決定され、特徴抽出器450は決定されたエレメント信号から特徴点を抽出することができる。
入力信号から推定しようとするエレメント信号の個数がL個であり、エレメント信号がガウス波形の形態を有すると仮定すれば、L個の時間移動したガウス波形が重複して構成された一周期の入力信号g(t)は以下に示す数式(1)のように定義された信号モデルに示すことができる。
tは時間を示す変数である。
mlはgl(t)の平均であり、σlはgl(t)の標準偏差である。
Alはgl(t)の振幅係数であり、Blはオフセットである。
信号特徴抽出装置400は、入力信号の波形に基づいて数式(1)でgl(t)を定義するパラメータml、Al、Bl、及びσlを決定することによって入力信号を構成するエレメント信号の波形を決定し得る。
数式(1)において、gl(t)を微分することによって数式(1)がオフセットBlに無関係になり、微分関数のピーク値に対応する時間を用いることによって数式(1)が振幅係数Alに無関係になる。
信号特徴抽出装置400は、微分関数を用いて平均mlと標準偏差σlを推定した後、平均mlと標準偏差σlと無関係に、振幅係数Al及びオフセットBlを推定することでエレメント信号を定義する信号モデルの4個のパラメータを決定することができる。
ここで、信号特徴抽出装置400は、パラメータの推定誤差を減らすために各エレメント信号のピーク点よりも時間的に前の区間に基づいてパラメータを推定することができる。
これについては、図5A〜図5Cを参照して説明する。
入力信号500の波形は、エレメント信号(510、520、530)の波形の単なる和として示すことができる。
図5Aに示した波形は、入力信号500の波形の前方(開始時間方向)に行くほど最初のエレメント信号510の波形と類似する程度が大きくなることが分かる。
時間軸上で前方に行くほど最初のエレメント信号510の波形の大きさに比べて他のエレメント信号(520、530)の波形の大きさが相対的に小さくなり、入力信号500の波形と最初のエレメント信号510の波形の形態が互いに類似することが分かる。
図5Cは、入力信号500から最初のエレメント信号510が除去された中間信号550の波形を示す。
時間領域(符号560)で、中間信号550の波形は3番目のエレメント信号530よりも2番目のエレメント信号520の波形に類似することが分かる。
数式(1)の信号モデルに基づいたオリジナル関数gl(t)及び1次、2次、3次微分関数であるg’ l(t)、g’’ l(t)、g’’’ l(t)各ピーク点における時間t値(tがmlよりも小さい時間区間基準)は以下に示す表1の通りである。
各微分信号波形でピーク点は波形の傾きが“0”になる地点として、tがmlよりも小さい時間区間内で決定される。
ここで、全体信号は初めには入力信号に該当し、最初のエレメント信号が推定された後からは入力信号からその間に推定されたエレメント信号を除去した中間信号に該当する。
全体信号の波形関数g(t)で時間t値が1ずつ増加するデジタルサンプルインデックスであると仮定する場合、微分器410は、
g’(t)=g(t)−g(t−1)
の関係を用いて1次微分関数g’(t)を決定する。
このような方式をn差微分関数g(n)(t)まで拡張する場合、微分器410は、
g(n)(t)=g(n−1)(t)−g(n−1)(t−1)
の関係を用いてn差微分関数を決定し得る。
そして、パラメータ決定器420は、上記の時間値で入力信号が有する振幅値に基づいて残りのパラメータAlとBlを推定し得る。
ここで、1次微分関数と2次微分関数を用いる実施形態について説明するが、実施形態の範囲がこれに限定されることはない。
例えば、2次微分関数の代わりに3次微分関数又は4次微分関数を用いてもよく、3次微分関数と4次微分関数に基づいてパラメータが決定されてもよい。
パラメータ決定器420は、各t1、t2における全体信号の振幅値g(t1)、g(t2)を用いて他のパラメータAl及びBlを決定する。
l番目のエレメント信号が決定されれば、中間信号決定器440は、全体信号で該当のl番目のエレメント信号を除去して新しい中間信号を生成し、新しい中間信号は(l+1)番目のエレメント信号を推定するために再び微分器410に入力されて、上記で説明した工程が再び実行され得る。
上記工程は、入力信号から予め決定した数のエレメント信号が推定されるまで繰り返し実行される。
図7を参照すると、ステップS710において、信号特徴抽出装置は入力信号を受信し、求めたいエレメント信号のインデックスを示すlを“1”に設定する。
lが“1”である場合、全体信号g(t)が入力信号となる。
ステップS720において、信号特徴抽出装置は、全体信号g(t)を微分して互いに異なる差数の微分関数を算出する。
ステップS740において、信号特徴抽出装置は、数式(3)に時間値t1、t2を適用してl番目のエレメント信号に対する信号モデルの平均及び標準偏差を推定し、数式(5)に振幅値g(t1)、g(t2)を適用して信号モデルの振幅係数及びオフセットを推定する。
ステップS750において、信号特徴抽出装置は、推定した平均、標準偏差、振幅係数、及びオフセットに基づいてl番目のエレメント信号gl(t)を決定する。
信号特徴抽出装置は、推定した平均、標準偏差、振幅係数、及びオフセットを数式(1)の信号モデルに適用してエレメント信号gl(t)を決定する。
ステップS770において、信号特徴抽出装置は、lが所定のLよりも大きいか否かを判断する。
lがLよりも大きくない場合、信号特徴抽出装置は、ステップS760で新しく設定された全体信号g(t)に基づいてステップS720にもどり再び開始する。
その後、信号特徴抽出装置は、ステップS720〜ステップS770の工程を繰り返し行って合わせてL個のエレメント信号を順次推定する。
lがLよりも大きい場合、ステップS780において、信号特徴抽出装置は、ステップS710〜ステップS770によって決定されたL個のエレメント信号から信号特徴を抽出する。
図8Aを参照すると、(a)は入力信号g(t)の波形を示し、(b)はg(t)の1次微分関数g’(t)の波形を示し、(c)はg(t)の2次微分関数g’’(t)の波形を示す。
信号特徴抽出装置は、入力信号g(t)を微分して1次微分関数g’(t)及び2次微分関数g’’(t)などの微分関数を決定する。
信号特徴抽出装置は、1次微分関数g’(t)及び2次微分関数g’’(t)でそれぞれ最初の極大点を形成する時間値t1及びt2を決定し、時間値t1及びt2それぞれにおける入力信号g(t)の振幅値であるg(t1)及びg(t2)を決定する。
また、信号特徴抽出装置は、振幅値g(t1)及びg(t2)に基づいて数式(5)から第1エレメント信号の振幅係数及びオフセットのパラメータを決定する。
上記のような工程によって平均、標準偏差、振幅係数、及びオフセットが決定されれば、数式(1)の信号モデルgl(t)に基づいた第1エレメント信号が決定される。
図8Bは、このような工程によって決定された第1エレメント信号g1(t)の波形の一例を示す。
信号特徴抽出装置は、(c)の中間信号を微分して互いに異なる差数の微分関数を決定し、上記で説明した工程に基づいて第2エレメント信号を推定する。
信号特徴抽出装置は、所定の数のエレメント信号が推定されるまで上記の工程を繰り返して行う。
(a)は入力信号g(t)の波形を示す。(b)、(c)、及び(d)は第1エレメント信号g1(t)、第2エレメント信号g2(t)及び、第3エレメント信号g3(t)の波形を示し、エレメント信号(g1(t)、g2(t)、及びg3(t))は重複して入力信号g(t)を形成し得る。
信号特徴抽出装置は、エレメント信号(g1(t)、g2(t)、及びg3(t))から極大点、極小点、波形面積などの特徴を抽出することができる。
図9A〜図9Cは、入力信号の波形が2つのエレメント信号の波形から構成されたと仮定して、信号特徴抽出装置が様々な形態の入力信号からエレメント信号を推定した結果を示す。
入力信号の波形は、例えば、2、3、4又はそれ以上の数のように他の個数のエレメント信号を含んでもよい。
各図の符号(930、960、990)は、各入力信号(910、940、970)から推定された第2エレメント信号を示す。
ここで、第2エレメント信号は、入力信号から第1エレメント信号が除去された残りの波形成分を含む。
例えば、図9Bに示す入力信号940がPPG信号であれば、PPG信号で重複隆起の特徴点が不明であるため、進行波と反射波の区分が容易でないことが分かる。
しかし、信号特徴抽出装置は、本明細書で説明された方法によって入力信号940を進行波と反射波とに容易に区分できる。
また、図9Cに示す入力信号970がPPG信号であれば、PPG信号で進行波の振幅よりも反射波の振幅が大きく示されて入力信号970の波形から特徴点を抽出することが難しいが、信号特徴抽出装置は、本明細書で説明した方法に基づいて入力信号970を進行波と反射波とに容易に区分することができる。
図10を参照すると、信号特徴抽出装置1000は、1つ以上のプロセッサ1010、メモリ1020、及びディスプレイ1030を含む。
例えば、プロセッサ1010は、入力信号から複数のエレメント信号を推定し、推定したエレメント信号から信号特徴を抽出する工程を行う。
このようなプロセッサ1010は、複数の論理ゲートのアレイで実現されるが、別の形態のハードウェアで実現され得ることは、本実施形態が属する技術分野で通常の知識を有する者であれば理解されるものである。
一部の実施形態において、メモリ1020は、非一時的なコンピュータで読み出し可能な記録媒体、例えば、高速ランダムアクセスメモリ及び/又は不揮発性コンピュータ読み出し可能記録媒体(例えば、1つ以上のディスク格納デバイス、フラッシュメモリデバイス、又は、その他の不揮発性固体メモリデバイス)を含んでもよい。
ディスプレイ1030は、ユーザ入力を受信し、ユーザインタフェースを提供することのできる1つ以上のハードウェアコンポーネントを含む物理的な構造である。
ディスプレイ1030は、ディスプレイ領域、ジェスチャキャプチャー領域、タッチ検出ディスプレイのいずれかの組み合わせを含んでもよい。
ディスプレイ1030は、信号特徴抽出装置1000に内蔵されたり、信号特徴抽出装置1000に付着したり、信号特徴抽出装置1000から離れた外部周辺装置に配置され得る。
ディスプレイ1030は、単一スクリーンディスプレイ又はマルチスクリーンディスプレイであり得る。
ディスプレイ130は、また、メガネタイプのディスプレイ(eye glass display:EGD)として実現され得る。
例えば、入出力インタフェースは、ユーザによって入力されたユーザ入力を受信したり、又は信号特徴に基づいて決定された付加情報を出力し得る。
ネットワーク通信インタフェースは、エレメント信号に関する情報及び抽出された信号特徴に関する情報を信号特徴抽出装置1000の外部に送信し得る。
例えば、本実施形態で説明した装置及び構成要素は、例えば、プロセッサ、コントローラ、ALU(arithmetic logic unit)、デジタル信号プロセッサ(digital signal processor)、マイクロコンピュータ、FPA(field programmable array)、PLU(programmable logic unit)、マイクロプロセッサ、又は命令(instruction)を実行して応答する異なる装置のように、1つ以上の汎用コンピュータ又は特殊目的コンピュータを用いて具現され得る。
また、処理装置は、ソフトウェアの実行に応答してデータをアクセス、格納、操作、処理、及び生成する。
理解の便宜のために、処理装置は1つが使用されるものとして説明する場合もあるが、当該技術分野で通常の知識を有する者は、処理装置が複数の処理要素(processing element)及び/又は複数類型の処理要素を含むことが分かる。
例えば、処理装置は、複数のプロセッサ又は1つのプロセッサ及び1つのコントローラを含む。また、並列プロセッサ(parallel processor)のような、他の処理構成も可能である。
ソフトウェア及び/又はデータは、処理装置によって解釈され、処理装置に命令又はデータを提供するためのあらゆる類型の機械、構成要素、物理的装置、仮想装置、コンピュータ格納媒体又は装置、或いは送信される信号波を介して永久的又は一時的に具現化され得る。
ソフトウェアは、ネットワークに接続されたコンピュータシステム上に分散され、分散された方法で格納されるか又は実行され得る。
ソフトウェア及びデータは1つ以上のコンピュータ読み取り可能な記録媒体に格納される。
記録媒体は、プログラム命令、データファイル、データ構造などを単独又は組み合わせて含む。
記録媒体及びプログラム命令は、本発明の目的のために特別に設計して構成されたものでもよく、コンピュータソフトウェア分野の技術を有する当業者にとって公知のものであり使用可能なものであってもよい。
ハードウェア装置は、本発明の処理を実行するために1つ以上のソフトウェアモジュールとして作動するように構成してもよく、その逆も同様である。
410 微分器
420 パラメータ決定器
430 エレメント信号推定器
440 中間信号決定器
450 特徴抽出器
1010 プロセッサ
1020 メモリ
1030 ディスプレイ
Claims (18)
- 生体信号である入力信号を形成するエレメント信号を推定するステップと、
前記エレメント信号を用いて信号特徴を抽出するステップと、を有し、
前記エレメント信号を推定するステップは、前記入力信号の第1エレメント信号を推定するステップと、
前記入力信号から前記第1エレメント信号が除去された第1中間信号の波形に基づいて前記入力信号の第2エレメント信号を推定するステップと、を含み、
前記第1エレメント信号を推定するステップは、前記エレメント信号をモデリングするための信号モデル及び前記入力信号の波形に基づいて前記第1エレメント信号に対するパラメータを推定するステップと、
前記推定されたパラメータを前記信号モデルに適用して前記第1エレメント信号を決定するステップと、を含み、
前記パラメータを推定するステップは、前記入力信号の波形を微分して互いに異なる差数の微分信号を決定するステップと、
前記微分信号の特徴点を用いて前記第1エレメント信号に対するパラメータを決定するステップと、を含むことを特徴とする信号特徴抽出方法。 - 前記パラメータを決定するステップは、前記微分信号のピーク点に対応する時間値及び前記時間値における前記入力信号の振幅値に基づいて前記パラメータを決定することを特徴とする請求項1に記載の信号特徴抽出方法。
- 前記パラメータを推定するステップは、前記第1エレメント信号のピーク点が以前の時間区間に基づいて前記パラメータを推定することを特徴とする請求項1又は2に記載の信号特徴抽出方法。
- 前記第2エレメント信号を推定するステップは、前記エレメント信号をモデリングするための信号モデル及び前記第1中間信号の波形に基づいて前記第2エレメント信号に対するパラメータを推定するステップと、
前記推定されたパラメータを前記信号モデルに適用して前記第2エレメント信号を決定するステップと、を含むことを特徴とする請求項1乃至3のいずれか一項に記載の信号特徴抽出方法。 - 前記パラメータを推定するステップは、前記第1中間信号の波形を微分して互いに異なる差数の微分信号を決定するステップと、
前記微分信号の特徴点を用いて前記第2エレメント信号に対するパラメータを決定するステップと、を含むことを特徴とする請求項4に記載の信号特徴抽出方法。 - 前記第2エレメント信号を推定するステップは、前記第1中間信号を前記第2エレメント信号に決定するステップを含むことを特徴とする請求項1乃至5のいずれか一項に記載の信号特徴抽出方法。
- 前記エレメント信号のうち少なくとも1つは、ガウス波形の形態を有することを特徴とする請求項1乃至6のいずれか一項に記載の信号特徴抽出方法。
- 前記信号モデルは、前記エレメント信号の波形が互いに重なって前記入力信号の波形を形成するものとしてモデリングすることを特徴とする請求項1又は4に記載の信号特徴抽出方法。
- 前記パラメータは、平均、標準偏差、振幅係数、及びオフセットを含むことを特徴とする請求項1、4又は5に記載の信号特徴抽出方法。
- 前記微分信号は、前記入力信号の波形に対する1次微分関数及び前記入力信号に対する高次微分関数のうち少なくとも1つを含むことを特徴とする請求項1又は5に記載の信号特徴抽出方法。
- 前記エレメント信号を推定するステップは、前記第1中間信号から前記第2エレメント信号が除去された第2中間信号の波形に基づいて第3エレメント信号を推定するステップをさらに含むことを特徴とする請求項1乃至10のいずれか一項に記載の信号特徴抽出方法。
- 前記エレメント信号を推定するステップは、所定の個数のエレメント信号が推定されるまで前記エレメント信号をモデリングするための信号モデルに基づいて前記エレメント信号を順次推定することを特徴とする請求項1乃至11のいずれか一項に記載の信号特徴抽出方法。
- 前記信号特徴を抽出するステップは、前記エレメント信号の極大点、極小点、ピーク点、変曲点、傾き極大点、傾き極小点、及び信号波形の面積のうち少なくとも1つを抽出することを特徴とする請求項1乃至12のいずれか一項に記載の信号特徴抽出方法。
- 請求項1乃至13のいずれか一項に記載の信号特徴抽出方法をハードウェアと結合して実行させるためのプログラムが記録されたことを特徴とするコンピュータ読取可能記録媒体。
- 少なくとも1つのプロセッサと、
前記プロセッサによって実行される命令を格納する少なくとも1つのメモリと、を有し、
前記命令が前記プロセッサによって実行されるとき、前記プロセッサは、
生体信号である入力信号のエレメント信号を推定する処理と、
前記エレメント信号から信号特徴を抽出する処理と、を実行し、
前記エレメント信号を推定する処理は、前記入力信号の第1エレメント信号を推定する処理と、
前記入力信号の波形から前記第1エレメント信号の波形が除去された第1中間信号に基づいて前記入力信号の第2エレメント信号を推定する処理と、を含み、
前記第1エレメント信号を推定する処理は、前記エレメント信号をモデリングするための信号モデル及び前記入力信号の波形に基づいて前記第1エレメント信号に対するパラメータを推定する処理と、
前記推定されたパラメータを前記信号モデルに適用して前記第1エレメント信号を決定する処理と、を含み、
前記パラメータを推定する処理は、前記入力信号の波形を微分して互いに異なる差数の微分信号を決定する処理と、
前記微分信号の特徴点を用いて前記第1エレメント信号に対するパラメータを決定する処理と、を含むことを特徴とする信号特徴抽出装置。 - 前記エレメント信号を推定する処理は、前記第1中間信号から前記第2エレメント信号が除去された第2中間信号の波形に基づいて、前記入力信号の第3エレメント信号を推定する処理をさらに含むことを特徴とする請求項15に記載の信号特徴抽出装置。
- 生体信号である入力信号から少なくとも1次又は2次以上の微分信号を決定する微分器と、
前記入力信号の波形及び前記1次又は2次以上の微分信号をモデリングするための信号モデルに基づいてエレメント信号のパラメータを決定するパラメータ決定器と、
前記パラメータを前記信号モデルに適用することによって前記エレメント信号を推定するエレメント信号推定器と、
前記入力信号から前記エレメント信号を除去することによって中間信号を決定する中間信号決定器と、
前記エレメント信号から特徴点を抽出する特徴抽出器と、を有し、
前記微分器は、エレメント信号の個数が所定の閾値よりも小さい場合、前記中間信号から他のエレメント信号を決定することを特徴とする信号特徴抽出装置。 - 前記パラメータは、前記エレメント信号の平均、標準偏差、振幅係数、及びオフセットの内の少なくとも1つを含むことを特徴とする請求項17に記載の信号特徴抽出装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150156348A KR102501837B1 (ko) | 2015-11-09 | 2015-11-09 | 신호 특징 추출 방법 및 장치 |
KR10-2015-0156348 | 2015-11-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017086894A JP2017086894A (ja) | 2017-05-25 |
JP6869691B2 true JP6869691B2 (ja) | 2021-05-12 |
Family
ID=57123782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016205440A Active JP6869691B2 (ja) | 2015-11-09 | 2016-10-19 | 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10152574B2 (ja) |
EP (1) | EP3165158B1 (ja) |
JP (1) | JP6869691B2 (ja) |
KR (1) | KR102501837B1 (ja) |
CN (1) | CN106681961B (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3644840A4 (en) * | 2017-06-28 | 2021-04-21 | Rutgers, The State University of New Jersey | EVALUATION SYSTEM FOR CARDIOVASCULAR HEALTH EVALUATION AND INDIVIDUALIZED HEALTH AND FITNESS INTERVENTIONS |
KR102480197B1 (ko) * | 2017-09-13 | 2022-12-21 | 삼성전자주식회사 | 생체정보 추정 장치 및 방법 |
CN109711355A (zh) * | 2018-12-28 | 2019-05-03 | 深圳职业技术学院 | 一种物流包装冲击信号识别与提取方法 |
CN110327055A (zh) * | 2019-07-29 | 2019-10-15 | 桂林电子科技大学 | 一种基于高阶谱和卷积神经网络的心冲击信号的分类方法 |
CN113017613B (zh) * | 2021-03-03 | 2022-05-06 | 四川大学华西医院 | 基于人工智能的心冲击波信号处理方法及计算机设备 |
CN115795283B (zh) * | 2023-02-07 | 2023-06-16 | 华南理工大学 | 一种基于迭代学习跟踪微分器的微分信号提取方法 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5651363A (en) * | 1996-02-16 | 1997-07-29 | Orthologic Corporation | Ultrasonic bone assessment method and apparatus |
JP3616061B2 (ja) * | 2002-03-01 | 2005-02-02 | コーリンメディカルテクノロジー株式会社 | 動脈硬化検査装置 |
JP4581496B2 (ja) | 2004-06-14 | 2010-11-17 | オムロンヘルスケア株式会社 | 脈波解析装置および脈波解析プログラム |
JP2006043146A (ja) | 2004-08-04 | 2006-02-16 | Sony Corp | 脈波解析方法及び装置 |
JP4568074B2 (ja) | 2004-10-06 | 2010-10-27 | 株式会社東芝 | 超音波診断装置および送信装置 |
US7720530B2 (en) * | 2005-08-02 | 2010-05-18 | Brainscope Company, Inc. | Field-deployable concussion detector |
US20070149952A1 (en) * | 2005-12-28 | 2007-06-28 | Mike Bland | Systems and methods for characterizing a patient's propensity for a neurological event and for communicating with a pharmacological agent dispenser |
SG136813A1 (en) * | 2006-04-11 | 2007-11-29 | Sony Corp | A method for estimating one or more parameters of a ultra wideband signal and a receiver system for receiving ultra wideband signals |
US8226568B2 (en) * | 2008-07-15 | 2012-07-24 | Nellcor Puritan Bennett Llc | Signal processing systems and methods using basis functions and wavelet transforms |
WO2010024418A1 (ja) * | 2008-09-01 | 2010-03-04 | 学校法人同志社 | 動脈硬化評価装置 |
JP5200968B2 (ja) * | 2009-02-03 | 2013-06-05 | オムロンヘルスケア株式会社 | 脈波解析装置、脈波解析方法、および脈波解析プログラム |
KR101002365B1 (ko) | 2009-05-19 | 2010-12-17 | 동서대학교산학협력단 | 맥파 전달시간 계측 시스템 및 그 방법 |
JP5328613B2 (ja) * | 2009-11-10 | 2013-10-30 | シャープ株式会社 | 脈波伝播速度測定装置および脈波伝播速度測定プログラム |
US10478076B2 (en) | 2009-12-28 | 2019-11-19 | Gambro Lundia Ab | Monitoring a property of the cardiovascular system of a subject |
EP2523625B1 (en) | 2010-01-14 | 2017-03-08 | PhysIQ Inc. | Multivariate residual-based health index for human health monitoring |
KR101235441B1 (ko) | 2010-08-01 | 2013-02-20 | 연세대학교 산학협력단 | 생체신호 기반 자동 수면단계 분류시스템 |
KR101210828B1 (ko) | 2011-03-24 | 2012-12-11 | 주식회사 누가의료기 | 다중 생체 신호 측정을 이용하여 손목혈압의 정확도를 향상시키는 방법 및 장치 |
EP2696755A4 (en) * | 2011-04-12 | 2015-07-01 | Orsan Medical Technologies Ltd | DEVICES AND METHOD FOR MONITORING INTRAKRANIAL PRESSURE AND ADDITIONAL INTRAKRANIAL HEMODYNAMIC PARAMETERS |
KR101337342B1 (ko) | 2011-11-01 | 2013-12-06 | 경북대학교 산학협력단 | 심음 분석 장치 및 그 방법 |
CN102512178B (zh) * | 2011-12-23 | 2014-04-09 | 深圳市理邦精密仪器股份有限公司 | 一种血氧测量装置 |
US10009644B2 (en) * | 2012-12-04 | 2018-06-26 | Interaxon Inc | System and method for enhancing content using brain-state data |
KR101503604B1 (ko) | 2013-09-30 | 2015-03-17 | 길영준 | 착용형 실시간 혈압 추정 모니터링 시스템 및 그의 제어 방법 |
WO2015049150A1 (en) * | 2013-10-01 | 2015-04-09 | Koninklijke Philips N.V. | Improved signal selection for obtaining a remote photoplethysmographic waveform |
TWI551266B (zh) | 2013-12-30 | 2016-10-01 | 財團法人工業技術研究院 | 動脈波分析方法及其系統 |
WO2015117049A2 (en) | 2014-01-31 | 2015-08-06 | Cline Benjamin Kahn | Devices and methods for monitoring pregnancy |
KR102198953B1 (ko) * | 2014-03-12 | 2021-01-05 | 삼성전자주식회사 | 병렬 생체 신호 프로세서 및 병렬 생체 신호 프로세서의 제어 방법 |
WO2016033121A1 (en) * | 2014-08-25 | 2016-03-03 | Georgia Tech Research Corporation | Noninvasive systems and methods for monitoring health characteristics |
US9629564B2 (en) * | 2014-09-26 | 2017-04-25 | Intel Corporation | Electrocardiograph (ECG) signal processing |
JP6871673B2 (ja) * | 2015-03-31 | 2021-05-12 | 学校法人東日本学園 | 血液検体を判定するための方法、装置及びコンピュータプログラム、並びに血液検体分析装置 |
-
2015
- 2015-11-09 KR KR1020150156348A patent/KR102501837B1/ko active IP Right Grant
-
2016
- 2016-05-24 US US15/162,982 patent/US10152574B2/en active Active
- 2016-07-22 CN CN201610584251.8A patent/CN106681961B/zh active Active
- 2016-09-09 EP EP16188014.1A patent/EP3165158B1/en active Active
- 2016-10-19 JP JP2016205440A patent/JP6869691B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
EP3165158B1 (en) | 2022-07-13 |
CN106681961A (zh) | 2017-05-17 |
US10152574B2 (en) | 2018-12-11 |
EP3165158A1 (en) | 2017-05-10 |
KR20170053887A (ko) | 2017-05-17 |
US20170132384A1 (en) | 2017-05-11 |
KR102501837B1 (ko) | 2023-02-21 |
JP2017086894A (ja) | 2017-05-25 |
CN106681961B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6869691B2 (ja) | 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 | |
CN106073743B (zh) | 用于光学体积描记图信号的噪声清除的方法和系统 | |
Ringeval et al. | Prediction of asynchronous dimensional emotion ratings from audiovisual and physiological data | |
US10980429B2 (en) | Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time | |
JP6476092B2 (ja) | 心電図信号を用いたユーザ認証方法及び装置並びにユーザ登録方法及び装置 | |
US9795306B2 (en) | Method of estimating blood pressure based on image | |
CN109247923B (zh) | 基于视频的非接触式脉搏实时估计方法及设备 | |
Wang et al. | Arrhythmia classification algorithm based on multi-head self-attention mechanism | |
CN111091116B (zh) | 一种用于判断心律失常的信号处理方法及系统 | |
JP2020528336A (ja) | 心電信号の検出 | |
JP2016531629A (ja) | 生理学的信号を処理するデバイス、方法及びシステム | |
TWI519276B (zh) | 心電圖學訊號擷取方法 | |
CN109452935A (zh) | 使用统计后处理从血管容积图估计血压的无创方法和系统 | |
Guo et al. | A supervised machine learning semantic segmentation approach for detecting artifacts in plethysmography signals from wearables | |
Banerjee et al. | PhotoECG: Photoplethysmographyto estimate ECG parameters | |
Tabei et al. | A novel personalized motion and noise artifact (MNA) detection method for smartphone photoplethysmograph (PPG) signals | |
Antink et al. | Detection of heart beats in multimodal data: a robust beat-to-beat interval estimation approach | |
Tseng et al. | Sliding large kernel of deep learning algorithm for mobile electrocardiogram diagnosis | |
Oliveira et al. | Coupled hidden Markov model for automatic ECG and PCG segmentation | |
JP6842306B2 (ja) | 生体信号処理方法及びその装置並びにコンピュータ読出可能記録媒体 | |
WO2021031155A1 (zh) | 一种基于ecg的多尺度特征提取方法及装置 | |
KR102341937B1 (ko) | 일상생활에서 발생하는 감정 변화 원인을 파악하는 방법 및 그 시스템 | |
CN113616217A (zh) | 基线漂移曲线的生成方法和装置 | |
KR102451268B1 (ko) | 신호 처리 방법, 신호 필터링 장치 및 신호 처리 장치 | |
KR102351682B1 (ko) | 기계 학습 알고리즘에 심전도 신호의 복잡도 값, 규칙도 값을 입력하여 심장 질환의 비정상 구간을 출력하는 심장 질환 판단 장치, 심장 질환 판단 방법 및 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190702 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200522 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200616 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200914 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210319 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210406 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210414 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6869691 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |